Tez No	İndirme	Tez Künye	Durumu
567185		İmleç hareketlerine ait eeg sinyallerinin sınıflandırılmasında adaptif ve adaptif olmayan filtrelerin uygulamaları / Applications of adaptive and non-adaptive filters for classification of eeg signals of motor imagery Yazar:ZEYNELABİDİN SEVGİLİ Danışman: PROF. DR. MEHMET AKIN Yer Bilgisi: DİCLE ÜNİVERSİTESİ / FEN BİLİMLERİ ENSTİTÜSÜ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Yüksek Lisans Türkçe 2019 101 s.
Beyin Bilgisayar Arayüzü(BBA), herhangi fiziksel bir yeteneğe ihtiyaç duymadan insanın niyetinin veya kasıtlı düşüncesinin sınıflandırılmasını esas alınır. BBA çalışmalarında, veriler elektroensefalografi(EEG) yöntemi kullanılarak elde edilirken çevre kaynaklı(şebeke gürültüleri vs.) veya içsel(göz hareketleri, ECG vs.) bazı gürültülere maruz kalır. EEG verilerinin hassas bir şekilde sınıflandırılmasını önemli derecede etkileyebilecek gürültülerden biri de elektrookulografik(EOG) gürültülerdir. Bu çalışmada, Graz Üniversitesi tarafından yapılan BCI-IV yarışmasının 2a veri seti kullanılmıştır. 4 sınıflı veri seti 2 sınıfa indirgenerek sadece sağ ve sol imleç hareketlerinin offline sınıflandırılması amaçlanmıştır. 22 kanaldan alınan EEG verileri ile eş zamanlı, göz çevresine montajı yapılan 3 elektrottan da EOG verileri elde edilmiştir. Kullanılan veri setinde, EOG gürültülerini EEG sinyallerinden arındırmak için geleneksel bant geçiren filtreler ve recursive least square(RLS) adaptif filtresi kullanılmıştır. Motor hareket hayali ile uygun bantlara filtrelenmiş sinyallerden, ortak uzamsal örüntüler(CSP) metodu ile çıkarılan öznitelik vektörleri, lineer diskriminant analizi(LDA), destek vektör makinaları(DVM), naive bayes(NB) ve k-NN sınıflandırma algoritmalarının girişlerine uygulanmıştır. Chebyshev tip 2 ve DVM kombinasyonu %72'lik ortalama doğruluk oranı ile en yüksek sınıflandırma performansını sağlamıştır. Ayrıca RLS adaptif filtresi ile elde edilen sınıflandırma sonuçları bant geçiren filtrelerin sonuçları ile mukayese edilmiştir. RLS algoritması ve LDA kombinasyonu, %64 doğruluk oranı ile geleneksel bant geçiren filtreler ile elde edilen sonuçlardan daha düşük performans göstermiştir. Çalışmanın bulguları, gelecekte yapılacak çalışmalara ışık tutabilecek niteliktedir. Anahtar Kelimeler: Adaptif filtre, Recursive Least Square, Beyin Bilgisayar Arayüzü, Elektrookulogram, Elektroensefolagrafi, Geleneksel Band Geçiren Filtreler, Ortak Uzamsal Örüntüler
Brain Computer Interface(BCI) is based on the classification of human intentions or intentional thought without the need for any physical ability. In BCI studies, signals which obtained using Electroencephalography(EEG) exposed to some environmental or internal noise (eye movements, ECG, etc.). One of the artifacts that can significantly affect classification accuracy is electrooculogram(EOG). In this study, BCI competition IV dataset 2a was used which was organized by the University of Graz. The data set with 4 classes was reduced to 2 classes and only the right and left motor imagery data were classified according to the offline paradigm. Simultaneously with EEG data from 22 channels, EOG data were obtained from 3 electrodes mounted around the eye. Conventional bandpass filters and recursive least square (RLS) adaptive filters are used to remove EOG noise from EEG signals. Feature vectors extracted from filtered signals by CSP method were applied to the inputs of linear discriminant analysis (LDA), support vector machines (SVM), naive bayes (NB) and k-NN classification algorithms. The combination of Chebyshev type 2 filter and SVM achieved the highest classification performance with an average accuracy of 72%. Furthermore, the classification results obtained with the RLS adaptive filter were compared with those of the bandpass filters. The combination of the RLS algorithm and the LDA classifier showed lower performance than traditional bandpass filters with a 64% accuracy rate. The findings of the study may shed light on future studies. Keywords: Adaptif Filter, Recursive Least Square, Brain Computer Interface, Electrooculogram, Electroencephalography, Traditional Bandpass Filters, Common Spatial Patterns